醫(yī)學(xué)圖像分割是醫(yī)學(xué)圖像處理領(lǐng)域中的重要研究內(nèi)容之一。精確分割醫(yī)學(xué)圖像,以提取圖像中感興趣的器官或病灶,在計算機輔助診斷或其他醫(yī)學(xué)影像處理與應(yīng)用過程中,都是必不可少的步驟之一。醫(yī)學(xué)圖像往往具有低分辨率、弱邊界、噪聲嚴(yán)重以及灰度不均勻等特點,實現(xiàn)其精準(zhǔn)分割具有較大難度。目前尚未有一種分割算法可完美解決所有的醫(yī)學(xué)圖像分割問題。因此,針對醫(yī)學(xué)圖像研究其分割技術(shù)具有十分重要的理論意義和實用價值。傳統(tǒng)的圖像分割算法大多基于待分割圖像的灰度、紋理等特征,利用這些特征實現(xiàn)感興趣區(qū)域的分割,其中,水平集方法和多圖譜方法在醫(yī)學(xué)圖像分割中得到了廣泛的應(yīng)用。前者也被稱作幾何活動輪廓模型,其基本思想是將曲線的演化隱含地表示為更高維的水平集函數(shù)的零水平集,從而可以更好的處理曲線的拓撲變化。其中的可變區(qū)域擬合(Region Scalable Fitting,RSF)水平集模型,通過將局部區(qū)域信息作為驅(qū)動曲線運動的外部能量項,可以有效的應(yīng)對醫(yī)學(xué)圖像中常見的灰度不均勻問題。不同于水平集分割方法,多圖譜分割方法是一種以臨床醫(yī)師的先驗知識指導(dǎo)分割的醫(yī)學(xué)圖像分割方法。該算法的核心思想是將圖像分割問題轉(zhuǎn)化為圖像配準(zhǔn)問題,利用標(biāo)...

【文章頁數(shù)】：132 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文的主要工作和創(chuàng)新點
    1.4 論文章節(jié)的安排
第2章 相關(guān)理論概述
    2.1 引言
    2.2 基于水平集的醫(yī)學(xué)圖像分割方法
        2.2.1 參數(shù)活動輪廓模型
        2.2.2 幾何活動輪廓模型
    2.3 基于圖譜的醫(yī)學(xué)圖像分割方法
        2.3.1 醫(yī)學(xué)圖像配準(zhǔn)方法
        2.3.2 基于單圖譜的醫(yī)學(xué)圖像分割方法
        2.3.3 基于多圖譜的醫(yī)學(xué)圖像分割方法
    2.4 本章小結(jié)
第3章 可自動初始化的水平集模型
    3.1 引言
    3.2 MS-RSF水平集模型
        3.2.1 可變區(qū)域擬合水平集模型
        3.2.2 初始輪廓自動生成方法
        3.2.3 參數(shù)估計方程
    3.3 AMS-RSF水平集模型
        3.3.1 初始輪廓自動生成方法
        3.3.2 參數(shù)估計方程
        3.3.3 避免重新初始化方法
    3.4 仿真實驗和結(jié)果分析
    3.5 本章小結(jié)
第4章 基于聯(lián)合表決的多圖譜分割方法
    4.1 引言
    4.2 基于聯(lián)合表決算法的多圖譜分割方法
        4.2.1 基于多圖譜方法的多目標(biāo)圖像分割
        4.2.2 聯(lián)合表決算法
        4.2.3 基于聯(lián)合表決算法的多圖譜分割方法
    4.3 基于多圖譜分割的部分容積校正方法
        4.3.1 SPCET圖像中的部分容積效應(yīng)
        4.3.2 基于多圖譜分割的部分容積校正方法
    4.4 仿真實驗和結(jié)果分析
    4.5 本章小結(jié)
第5章 基于邊界修正的多圖譜分割方法
    5.1 引言
    5.2 結(jié)合水平集模型的多圖譜分割方法
        5.2.1 改進的算法流程
        5.2.2 基于RSF模型的邊界修正算法
    5.3 仿真實驗與結(jié)果分析
    5.4 本章小結(jié)
第6章 總結(jié)和展望
    6.1 主要工作總結(jié)
    6.2 未來研究展望
參考文獻
致謝
攻讀博士研究生期間研究成果和參與的項目
附件
學(xué)位論文評閱及答辯情況表



本文編號：3750002